Anthropic与OpenAI密集收购药企,硅谷巨头押注AI制药的三种路径

Anthropic收购仅1人团队Mithril Medicine,OpenAI整合Orchestra Bio,谷歌Isomorphic Labs完成21亿美元融资——硅谷科技巨头正以不同模式切入药物研...

人工智能 阅读量: 3828

短短一周内,Anthropic宣布收购一家仅有一名全职员工的生物技术公司Mithril Medicine,OpenAI则同步收购Orchestra Bio,将后者药物研发协调技术纳入其生命科学产品Rosalind。这两起动作看似孤立,实则指向同一趋势:以大模型为核心能力的科技公司,正系统性进入高壁垒、长周期的制药领域。

Mithril Medicine由Cody Tranbarger创立,专注两种罕见肌营养不良症治疗。其核心进展是:借助Claude模型,在不到18个月内协调11家外部实验室,将一项潜在疗法从构想推进至小鼠实验阶段,并取得积极结果。若后续顺利,候选药物有望于2028年底进入人体临床试验。这一案例凸显了AI在科研组织与执行层面的潜力——它并非替代科学家,而是作为“智能协作者”,压缩跨机构协作的时间成本。

文章配图

与Anthropic的“轻资产+深度参与”路径不同,谷歌旗下Isomorphic Labs选择重投入路线。该公司脱胎于DeepMind,2021年成立,目标是将AlphaFold等蛋白质结构预测技术转化为药物设计能力。早期,Isomorphic Labs通过与礼来、诺华合作分摊风险,两份协议潜在总价值近30亿美元。但2026年5月,公司完成21亿美元B轮融资,明确转向自主持有药物资产——新资金将用于扩大其AI药物设计引擎IsoDDE的应用,并推动自有候选药物进入临床阶段。

这标志着商业模式的根本转变:从收取技术服务费与里程碑付款,转向承担全部研发风险以换取未来销售权益。然而现实仍具挑战。尽管拥有顶尖AI模型与巨额资本,Isomorphic Labs截至2026年11月仍未启动任何人体临床试验,其首席执行官Demis Hassabis此前设定的2025年底目标已推迟,最新进展仍停留在临床前阶段。

微软、英伟达与亚马逊则采取平台化策略。微软依托Microsoft Discovery平台嵌入科研工作流;英伟达与礼来计划五年内投入最多10亿美元共建AI药物研发联合实验室;亚马逊则与诺和诺德达成战略合作,聚焦糖尿病与肥胖症领域数字化研发支持。这些合作不直接产出药物,而是提供算力、数据基础设施与流程优化工具。

值得注意的是,AI在药物研发中的实际作用正在从“辅助问答”升级为“设计执行”。例如,Generate Biomedicines研究人员利用Claude Code重写CAR-T细胞疗法的遗传指令,将关键片段缩短70%,使免疫细胞受体表达量提升约10倍;Divergence Labs借助Claude在一个月内生成3.5万个抗体设计方案,并筛选出有潜力的结构。这些成果虽仍属临床前验证,但已证明大模型可实质性参与分子设计与初步筛选环节。

行业普遍认为,AI制药当前处于“效率提升期”而非“范式颠覆期”。传统药物研发平均耗时10–15年、成本超20亿美元,其中靶点发现与化合物筛选占前期40%以上时间。AI的介入主要压缩了这一阶段——如Isomorphic Labs宣称其引擎可将先导化合物设计周期从数月缩短至数周。但真正的瓶颈仍在后续:动物毒理、药代动力学、临床I–III期试验,这些环节高度依赖真实世界生物学反馈,无法被纯算法绕过。

《自然》杂志2026年11月11日刊文指出,“一人药企”模式本质是“人类专家+AI协作者+外包实验网络”的新型组织形态,而非真正意义上的单人研发。Mithril Medicine的成功依赖于创始人对疾病机制的深刻理解、Claude的跨任务协调能力,以及11家外部实验室的实体执行。这揭示了一个关键事实:AI尚未取代湿实验(wet lab),而是重构了研发资源的调度逻辑。

OpenAI收购Orchestra Bio路径图

从战略维度看,科技巨头入局制药存在三重动因:第一,寻找AI技术的高价值落地场景。相比内容生成或客服对话,药物研发具备清晰的商业回报路径与长期护城河;第二,积累垂直领域高质量数据。生命科学数据具有强专业性与封闭性,参与研发是获取标注数据的最佳入口;第三,构建“研发操作系统”级平台。如OpenAI收购Orchestra Bio后,可将项目管理、合规文档、实验排期等功能整合进Rosalind,最终形成覆盖全流程的AI研发底座。

但风险同样显著。药物研发失败率极高——临床前候选物中仅约10%能进入临床,而临床I期到上市的成功率不足10%。科技公司擅长快速迭代与规模化部署,但面对生物学的不确定性与监管复杂性,其方法论尚需验证。Isomorphic Labs的进度延迟、Anthropic尚未公布自有管线,均反映该领域仍处探索期。

目前,各巨头路径分化明显:谷歌系走“技术+资产”双轨制;Anthropic侧重“模型深度嵌入科研流程”;OpenAI聚焦“研发操作系统整合”;而微软、英伟达、亚马逊则提供底层支撑。这种多元尝试本身即是一种试错——当AI开始真正参与分子设计与实验决策,制药业的权力结构或将悄然重塑。

最终,无论路径如何,一个共识正在形成:AI不会单独造出新药,但它能显著提升人类造药的效率与成功率。而谁能率先打通“AI设计→实验验证→临床转化”的闭环,谁就可能成为下一代医药创新的核心节点。